QueryStory: Платформа для проверки правдивости данных в корпоративном искусственном интеллекте
Новый стартап QueryStory, получивший 6 миллионов долларов на стадии семенных инвестиций, нацелен на решение одной из главных проблем корпоративного ИИ — доверия к его выводам. Компания предлагает систему, которая не просто анализирует большие объемы данных, но и обеспечивает прозрачность, показывая исходные SQL-запросы и индикаторы уверенности алгоритмов, чтобы помочь руководителям принимать решения на основе фактов, а не предположений.
# QueryStory: Искусственный интеллект, который доказывает правду, а не просто говорит
Сфера корпоративных данных стоит на пороге фундаментального сдвига, но в центре этого движения лежит серьезная проблема доверия. По мере того как компании все шире интегрируют большие языковые модели (LLM) для анализа внутренней информации, возникает риск появления «хрупкого ИИ», выдающего правдоподобные, но ошибочные заключения. Стартап QueryStory, недавно выпустивший свой продукт из режима скрытности, предлагает инструмент, призванный связать мощь искусственного интеллекта с жесткой верификацией фактов.
Основатель компании Шапор Нагхибадзе (Shapor Naghibzadeh) опирается на опыт, полученный еще в 2009 году, когда в Google работал системным инженером. Во время кибератаки, известной как «Операция Аврора», ему пришлось восстанавливать картину событий в серверах компании, проследив путь атаки через сложные и разрозненные сети. Он осознал, что поиск правдивых ответов в таких условиях — трудоемкий процесс, требующий экспертного суждения, которого не хватает в массовом использовании ИИ сегодня.
От защиты безопасности до анализа данных
Нагхибадзе потратил шесть лет на изучение связи между базами данных и кибербезопасностью. Он создал инструменты, позволяющие аналитикам безопасности эффективно запрашивать сложные данные. Позже, в 2016 году, он соосновал проект Chronicle в лаборатории Google X, внедрив эти технологии в работу различных компаний. В 2026 году, с развитием возможностей больших языковых моделей, он объединился с Сtanley Yang (ранее EvolutionIQ) и David Glusic (Accenture), чтобы запустить QueryStory.
Цель компании четка: закрыть разрыв между вопросами бизнеса и доступной достоверной информацией. «Мы создаем нарратив на основе данных, основанный на истине», — отметил Нагхибадзе. Вместо того чтобы арендовать целые команды аналитиков или полагаться на «человеческое суждение» как на ресурс, QueryStory инкапсулирует эти функции в программную платформу, которая работает непосредственно с большими корпоративными базами данных.
Прозрачность как валюта доверия
Главная инновация продукта заключается в его подходе к объяснимости. Когда пользователь задает вопрос системе, QueryStory не просто предоставляет ответ. Платформа автоматически генерирует и отображает соответствующие SQL-запросы, использованные для получения данных. Это позволяет специалистам проверить логику на лету.
«Мы заполняем этот разрыв доверия, предоставляя компаниям ответы, на которые можно опираться для действий», — пояснил основатель. «Мы не просто выдаем интеллект, мы продаем доверие к ответам». В системе также присутствует индикатор уверенности, который объясняет, почему ИИ считает анализ точным. Это критически важно для отраслей, где работают с высокорегулируемыми данными или где ошибка может иметь серьезные финансовые последствия.
Для предпринимателей это означает переход от статических квартальных отчетов, готовых вручную, к живым дашбордам в реальном времени. Tim Del Bello, управляющий директор New York Life Ventures, инвестировавший в проект, заявил, что платформа позволит руководителям получать «земную правду» (ground truth) из разрозненных источников без необходимости содержать большие команды аналитиков данных.
Экономика доверия vs. экономика токенов
QueryStory позиционирует себя как модель-агностическую систему, совместимую с современными моделями от ведущих лабораторий. Однако ключевое отличие компании от самих вендоров ИИ — в их бизнес-модели. QueryStory не зарабатывает на потреблении вычислительных ресурсов или количестве сгенерированных токенов. Это создает конкурентное преимущество, устраняя конфликт интересов: компания, чей доход зависит от объема использования ИИ, имеет стимул делать выводы максимально масштабными, иногда за счет точности.
«Проблема не в том, что ИИ глупый, — отметил Нагхибадзе, — а в том, что люди не осознают, насколько хрупкими могут быть системы при масштабном внедрении в бизнес-процессы». Когда сотни сотрудников задают один и тот же вопрос разным моделям, возникает хаос версий «истины». QueryStory предлагает единое пространство, где каждый вывод связан с конкретным фрагментом данных и логицей запроса.
Этот подход особенно актуален для крупных предприятий, таких как SpaceX или финансовые институты, которым требуется гарантия надежности алгоритмов. Как показал опыт одного из тестов с данными о космической активности, система смогла визуализировать сложные орбитальные данные за несколько часов, тогда как аналогичный проект с разработчиками занимал недели.
В мире, где искусственный интеллект становится центральным элементом принятия решений, вопрос не только в скорости обработки информации, но и в возможности проверить её. QueryStory делает ставку на то, что именно прозрачность и верифицируемость станут главным фактором выбора технологий для серьезных бизнесов в ближайшие годы.